本文对数据资产的识别确认与价值评估进行深入探讨。对于数据资产的识别确认，本文比较了资产评估中的数据资产识别与会计核算中的数据资产确认的异同，着重分析了数据资产控制权及预期经济利益的判断，并对数据资产评估对象与评估范围的界定作出详细阐述。对于数据资产的价值评估，本文分别研究了运用成本法、收益法和市场法评估数据资产的难点事项，为数据资产评估提供理论支持与实践指导。

　　《数据资产评估指导意见》（中评协〔2023〕17号）与《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号）的实施，标志着数据资产计量时代的来临。在涉及数据资产的流通交易、财务报告、内部管理以及企业价值评估中，均存在数据资产评估需求。

　　那么，在数据资产评估中，如何对数据资产进行识别，与会计核算中的数据资产确认有何异同，如何对数据资产评估对象和评估范围进行界定和描述，运用成本法、收益法和市场法评估数据资产的价值存在哪些难点，应如何解决？本文围绕这些问题展开研究。

　　会计核算中识别企业的数据资产，需要同时满足资产定义涉及的企业过去的交易或者事项形成、由企业拥有或者控制、预期会给企业带来经济利益的资源这三个条件，以及数据资产确认所要求的与该资源有关的经济利益很可能流入企业、该资源的成本能够可靠地计量这两个条件。

　　数据资源由企业过去的交易或者事项形成这一条件很容易作出判断，是为了将预期在未来发生的交易或者事项进行排除。关于数据资源成本可靠计量这项条件，企业通过外购方式取得确认为无形资产或存货的数据资源，其取得成本比较容易进行区分，但在企业对数据进行加工或企业内部开展数据资源研究开发过程中，其支出和成本能否可靠计量，受数据伴生性特征的影响。其他条件的判断关注要点分析如下：

　　数据资产具有非实体性、依存性、可复制性、可加工性、多样性等基本特征，受这些特征的影响，识别企业是否拥有数据资产完整的所有权可能并不容易，在数据资源持有权、数据加工使用权、数据产品经营权（以下简称：数据资产三种权利）“三权分置”的数据产权制度框架下，识别数据资产完整所有权也可能缺乏必要性，而主要转为对数据资产控制权的判断。判断企业是否控制数据资源，主要应关注以下两点：

　　一是判断企业是否享有数据资产三种权利或其中的部分权利。数据资产三种权利可视为由数据所有权中分拆出的用益权，企业获取数据产权登记证书，是判断企业享有这些用益权的主要途径。不过，目前数据产权登记还缺乏法律层面的确权机制，尚未建立全国统一的数据产权登记制度，只有部分省市已启动数据产权登记工作，且数据产权登记通常遵循自愿登记原则，获取数据产权登记证书不是企业控制数据资源的必要前提，未获取数据产权登记证书的企业也可能控制了数据资源。在现有的数据产权登记实践中，存在着不同的登记类别，其登记机构、登记规则、审查标准以及权利内容、权利客体、权利期限等内容不尽相同，有些类别的数据产权登记证书可能仅能起到公示和初步证据的作用，不是登记主体获得数据资产权利的充分依据，还需要结合数据资产的来源及形成过程是否合法合规，才能作出企业是否控制数据资源的判断。对于企业以非法手段获取的数据，或以交易方式购入的由他人通过非法手段获取的数据，均不得作为该企业控制的数据资源。

　　二是要关注企业是否以排他的方式合法地控制数据资源。控制数据资源的目标，是形成其他企业无法形成的经济利益。在具有竞争关系的企业之间，若数据资源不具有排他性，受数据可复制特征的影响，所有竞争对手均能以极低甚至零成本获得这些数据资源并形成经济利益，这必然挤占甚至吞噬控制数据的企业的经济利益，其实质是后者丧失了数据的控制权。对于企业通过公开渠道免费下载的数据集，企业无法排他地对该数据集实施控制，不属于企业控制的数据资源。

　　一是企业是否将数据资源进行应用或利用。对数据进行应用或利用，是数据资产化的基础。数据作为一项新的生产要素，其与其他生产要素最大的区别在于，数据生产要素无法单独发挥其效用，需要与其他生产要素相结合才能实现其价值。如果企业仅持有数据资源，但无法将这些数据资源通过自用或对外进行许可、转让、提供数据服务等方式，对数据资源加以利用，则这些数据无法为企业带来直接或间接的经济利益，不得将这些数据资源确认为数据资产。

　　二是应用或利用数据资源是否具有经济可行性。数据资源的经济可行性一方面受数据规模的影响。单个数据或单维度数据的价值通常很低甚至可以忽略不计，表现为数据的价值密度低。随着数据规模、数据维度的增大以及数据时间序列的延长，数据的价值才能被体现出来。因此，数据通常需要具备一定的数量与维度规模，才能使其应用具有经济可行性，才能成为数据资源。另一方面受数据利用成本的影响。数据资产化的努力并不总是伴随着价值创造，如果数据资产化带来的经济利益流入无法覆盖数据资产化的成本，数据资产化的行为是不经济的。如果企业购买了大量的原始数据，但受原始数据质量、整合分析技术等等因素的影响，企业无法将这些数据进行应用或利用，或企业应用或利用这些数据的成本大于收益，则表明企业应用或利用数据资源不具有经济可行性。

　　在同时满足由企业过去的交易或者事项形成、企业拥有或者控制数据资源、企业很可能享有数据资源带来的预期经济利益这三项条件，即可在资产评估中识别出数据资产。在资产评估中识别企业的数据资产，不需要再将成本能够可靠计量作为前提条件。在资产评估行为中，数据资产价值的计量即为资产评估所要达到的目标，尽管数据资源成本能否可靠计量在有些情况下可能会对数据资产价值的评估产生影响，但数据资源的成本能否可靠计量不影响数据资产的识别，数据资产的计量条件应与数据资产的识别条件相分离。

　　因此，在企业价值评估、合并对价分摊的评估、含数据资产的资产组评估以及数据资产单项评估项目中，对于数据资产的识别，不应局限于已入表的数据资产，只要同时满足由企业过去的交易或者事项形成、企业拥有或者控制数据资源、企业很可能享有数据资源带来的预期经济利益这三项条件，就要在资产评估中识别出数据资产。

　　界定数据资产评估对象的主要任务，就是关注数据资产存在属性涉及的法律权属、数量规模、使用现状并进行描述，通常并不需要收集、复制完整的数据内容，但需要收集、复制样例数据。其中，对于数据资产的法律权属，考虑到当前数据产权登记还不是企业控制数据资源的必要条件和充分依据，执行数据资产评估业务时，对于尚未开展数据产权登记的数据资产，或虽然已获取数据产权登记证书，但仅能起到公示或为数据资产权属提供初步证据的数据资产，应围绕数据资产的来源及形成过程收集数据资产权属相关的资料，并以询问、书面审查、查询等方式实施核查验证程序，不同数据来源的核查验证方式如下表：

　　界定数据资产评估对象和评估范围，还应将企业数据与个人数据、公共数据相区分，将数据资源存货及数据资源无形资产相区分。此外，还应着重区分以下三类关系：

　　一是应将基准日的存量数据与基准日后的新增数据相区分。基于可加工性特征，数据资产通常不是静态不变的，而是处于持续更新状态的。数据的收集与产生通常是动态连续的，同一数据资产在不同的时点，其资产范围可能并不相同。在数据资产评估中，评估对象通常应界定为评估基准日的存量数据，不应包含评估基准日后新增的数据，基准日之后持续更新的数据带来的价值贡献不能计入基准日的价值范畴之中。不过，为了对数据资产许可使用或提供数据服务进行定价而涉及的估值过程中，如果其定价涵盖了定价基准日后指定期间的数据更新形成的价值，则需要将许可使用或服务期间的增量数据纳入考虑范围。

　　二是应将数据资产评估范围与会计核算范围相区分。数据资源存储中的数据通常不需要持续更新，但数据资源无形资产中的数据通常需要持续更新，以保持数据时效不变。正如“企业的数字化转型只有起点没有终点”，对于需要持续更新的数据资源无形资产，甚至可能成为“永不完工的在建工程”。对于数据资源已达到预定用途并确认为无形资产之后的后续支出能否作资本化处理，《企业会计准则第6号——无形资产》并未作出规定，只对企业取得的已作为无形资产确认正在进行中的研究开发项目，在取得后发生的支出能否作资本化处理作出了规定。因此，界定企业数据资产的评估范围，应与数据资产的账面核算范围相区分，不应局限于数据资产账面成本对应的数据范畴。

　　三是应处理好数据资产与其他无形资产之间的关系。当把数据资产界定为一项无形资产时，应与传统知识产权及专有技术、客户关系等其他无形资产相区分。数据通常缺乏独创性，数据资产与著作权、商标权、专利权具有明显差异。另一方面，数据资产与传统知识产权又有一些联系，数据资产可能同时具有商业秘密、专利权、著作权等传统知识产权中的一些表征。

　　在界定企业数据资产的评估对象和评估范围时，应处理好数据资产与其他无形资产之间的关系，避免评估范围的遗漏或重复。数据资产与其他无形资产的关系一般有以下三种：一是数据资产是与其他无形资产并列的另外一项无形资产。二是数据资产可能与其他无形资产相互交叉并部分重叠。比如，有些数据产品的许可或数据服务的提供，可能与计算机软件的授权使用相互融合，存在交叉与重叠之处。三是数据资产与其他无形资产可能存在包含或被包含的关系。比如，企业之间签署数据资源加工使用许可合同，作为被许可方的企业不仅拥有了数据资源的加工使用权，也拥有了该合同对应的合同权益，但这两项资产可能是相互包含的关系。

　　成本法通常适用于尚处于开发初期、尚未明确应用场景以及同质化竞争较为激烈的数据资产的评估。运用成本法评估数据资产，应重点注意以下事项：

　　根据《数据资产评估指导意见》的规定，数据资产的重置成本，包括前期费用、直接成本、 间接成本、机会成本和相关税费等。前期费用主要指数据资产对应的前提调研、数据模型设计和规划等费用；直接成本主要包括数据采集成本、数据脱敏、清洗、标注、整合、分析成本、数据更新成本、数据存储成本；间接成本主要包括数据资产应分摊的管理费用、软件使用费、维护数据安全对应的成本。而考虑到评估中的重置成本采用的是客观必要成本，并非个别实际成本，客观的资本成本也可以包含在数据资产的重置成本之中。

　　《数据资产评估指导意见》中列举的重置成本构成项目并未包含合理利润，所列举的机会成本可视为对合理利润的替代，两者都是投资收益能力的一种体现。数据资产的机会成本是指选择数据资产的投资作为最优方案而放弃其他次优方案的收益，通过其他次优项目的“收益”来衡量数据资产这项最优投资项目的“投资收益”，这一间接过程本质上应用了替代原理半岛官方体育，要求最优方案与次优方案之间很接近，且两者具有可比性，而按照风险与收益对等的原理，要求数据资产这项最优投资方案与次优方案之间的风险类似。因此，数据资产重置成本中的机会成本，可以采用投资风险相同或相近的投资项目的报酬率，来间接衡量数据资产投资应获得的报酬水平。投资项目的投资报酬率实质是超过资产成本的投资收益率，而数据资产的应用前景及应用风险是影响投资报酬率的两大因素，因此机会成本也可以视为数据资产的应用价值，即应用数据资产带来的超过其成本的那部分价值。

　　资产的贬值包括实体性贬值、功能性贬值和经济性贬值。数据资产具有非实体性的特征，不存在实体性贬值。数据资产的经济性贬值，主要指数据资产时效性的丧失形成的价值减损。除了时效性以外，数据资产的其他质量要素特征（如准确性、一致性、完整性、规范性、可访问性）对价值的影响，可视为功能性贬值。数据资产质量的下降将导致数据应用成本的增加，形成功能性贬值。《资产评估专家指引第9号——数据资产评估》（中评协〔2019〕40号）也指出，数据资产贬值主要包括功能性贬值和经济性贬值。

　　尽管在《数据资产评估指导意见》中，并未直接对数据资产的贬值计算作出规定，但要求确定数据资产价值调整系数。数据资产的功能性贬值和经济性贬值，蕴含在数据资产价值调整系数之中。在《数据资产评估指导意见》中，列举了确定数据资产价值调整系数的两种路径：第一种路径是，对于需要进行质量因素调整的数据资产，可以结合相应质量因素综合确定调整系数。若适用该路径，可以参考《数据资产评估指导意见》“附2：基于质量要素的指标体系设计示例”。第二种路径是，对于可以直接确定剩余经济寿命的数据资产，可以结合剩余经济寿命确定调整系数。此路径的实质是对数据资产时效性进行量化，时效性的丧失形成的价值减损本质上属于经济性贬值。不同类别的数据对时效性的要求不同，甚至差异巨大。运用此路径，不仅需要确定数据资产的剩余经济寿命，还要确定数据资产重置成本对应的总经济寿命，在此基础上分析得出价值调整系数。

　　数据资产价值调整系数应与数据资产重置成本的口径保持内在一致。重置成本反映的是数据资产在基准质量条件下的客观成本。如果重置成本的构成包含了全部数据的成本，并未将质量不合格数据的成本剔除，则在重置成本基础上，应通过数据资产价值调整系数考虑数据质量对价值的影响。数据资产质量调整系数的作用，系将重置成本中的无效成本、沉没成本、冗余成本剔除。此外，确定数据资产价值调整系数时，还存在一种将数据资产质量因素、应用因素以及风险因素均考虑在内的观点，该观点是错误的。将数据资产应用因素及风险因素考虑在内，会与重置成本中的机会成本考虑因素相重叠。

　　收益法适用于应用场景已明确或预期能够明确的数据资产的评估。运用收益法评估数据资产时，对于收益预测，考虑到不同的使用者利用同一数据，不仅应用场景不同，数据的可利用率也不同，通常应将与价值类型相匹配的当前已明确以及未来能够明确的应用场景纳入考虑范畴；对于折现率，数据资产的折现率应与其预测收益口径相匹配，并综合考虑应用场景不确定性、数据资产质量、数据安全风险等因素的影响。此外，还应重点关注以下事项：

　　数据资产的质量因素对收益法评估的影响主要体现于三个方面：一是影响收益现金流，对于低质的数据资产，在未来应用过程中应考虑其清洗、修复等提高数据质量对应的现金流；二是影响收益期，比如数据资产的时效性因素及数据更新方式直接对数据资产的收益期限产生影响；三是影响折现率，质量较低的数据资产，其形成收益的不确定性可能更大，进而影响折现率。数据资产质量对收益预测、收益期限、折现率的影响，可能同时发生，也可能部分或单独发生。

　　时效性是数据资产的一项重要的质量要素，主要表现为数据的效用会随着时间的推移而减损甚至消失。为了保持数据的效用不变，需要在数据效用衰减时进行数据更新。因此，对数据资产进行评估时，以基准日后对数据进行持续更新为假设，通常更符合数据资产的应用方式。在假设基准日后对数据进行持续更新的前提下，对于未来收益预测，应关注数据更新投入是否与收入口径相匹配，更新投入的频率及时点是否符合时效性的要求，更新投入是否足够；对于收益期限，数据的持续更新，通常代表着数据时效的动态保持，这种情况下数据资产的收益期限不会因基准日的静态时效的逐步丧失而终止，只要这些动态更新后的数据还需要被使用，数据资产的收益期限就不会截止；对于折现率，也需要相应考虑基准日后数据更新支出及其对收益影响的不确定性。

　　在收益法的应用中已考虑质量因素影响而得出的收益法结论基础上，不应再重复考虑数据资产的价值调整系数，更不应就数据资产的应用因素以及风险因素作重复调整。

　　当评估对象界定为评估基准日的存量数据时，以基准日后对数据进行持续更新为假设条件，采用收益法得出的评估值，应避免包含或挤占了基准日后新增数据的贡献。正确的做法是，若未来收益是由基准日存量数据及基准日之后持续更新的数据共同形成的，则应当在未来收益预测过程中合理考虑后续更新数据的支出。

　　以多期超额收益法为例，在未来收益中考虑更新数据的支出又有两种途径可供选择：第一种途径，是在数据更新支出当期作费用处理，一次性直接减少当期收益。在此基础上，基准日之后更新数据的支出对应的应得利润不应再作扣除。第二种途径，是在经营利润中不扣减数据更新支出，而是在各期经营利润基础上，扣减数据更新支出对当期收益的贡献额。数据更新支出对当期收益的贡献额的计算主要有两种做法：一是更新支出在当期的摊销额加上更新支出摊余金额在当期的投资回报额，得出数据更新支出对当期收益的贡献额；二是参考贷款对应的等额本息还款的计算方法，以更新支出为现值，根据更新数据的投资报酬率及受益期限为参数，计算各期的内含贡献额。各期内含贡献额的折现值合计，即为数据更新支出金额。

　　与一般的无形资产相类似，数据资产的市场法适用性通常较弱。运用市场法对数据资产价值进行评估，应特别关注可比案例的选择以及可比案例的差异调整事项。

　　在采用市场法对数据资产价值进行评估时，选择可比交易案例时，可比案例的选择，通常应考虑数据权利类型、数据交易市场及交易方式、数据规模、应用领域、应用区域及剩余年限等因素。除非能对不同应用场景对数据资产的价值进行量化修正，否则不同应用场景的数据资产交易案例可能缺乏可比性。如果企业以垄断形式获得某个领域的公共数据授权，因各个领域的数据之间缺乏可比性，企业由此形成的数据资产可能在市场不存在可比的数据资产，难以采用市场法进行评估。

　　根据《数据资产评估指导意见》的规定，对于待评估的数据资产与可比案例的差异，通常情况下需要考虑质量差异调整、供求差异调整、日期差异调整、容量差异调整以及其他差异调整等。除此之外，数据资产保护措施及效果，应成为一个修正因素。在众多调整因素中，质量差异调整是其中的重点事项，而数据资产的质量要素包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等，时效性又是其中的重要质量要素，不同类别的数据的时效性不同，即便是同一数据，在不同的应用场景下数据的时效也可能不同。因此，如果可比案例与被评估的数据资产的时效性及其他质量要素差异显著且难以对质量差异进行量化修正，则可能致使市场法不适用。从这个角度看，数据资产的时效性等质量要素，甚至成为筛选可比案例的条件之一。

　　此外，基于数据资产可加工性特性，《数据资产评估指导意见》市场法相关模型示例中，市场法可以采用分解成数据集后与参照数据集进行对比调整的方式。

　　资产评估中对于数据资产的识别，与会计核算中对于数据资产的确认并不完全相同，但两者均要求满足由企业过去的交易或者事项形成、企业拥有或者控制数据资源、企业很可能享有数据资源带来的预期经济利益这三项条件。对数据资产控制权的判断，主要应关注数据产权登记情形、数据资产来源和形成过程以及是否以排他的方式合法地控制数据资源。对企业是否很可能享有数据资源带来的预期经济利益，则主要通过企业是否将数据资源进行应用以及应用是否具有经济可行性作出判断。界定数据资产评估对象和评估范围，主要应关注数据资产存在属性涉及的法律权属、数量规模、使用现状并进行描述，还应将企业数据与个人数据、公共数据相区分，将数据资源存货及数据资源无形资产相区分，将基准日的存量数据与基准日后的新增数据相区分，应将数据资产评估范围与会计核算范围相区分，并应处理好数据资产与其他无形资产之间的关系。

　　运用成本法评估数据资产时，机会成本和数据资产价值调整系数的测算是其中的两大难点。对于重置成本中的机会成本，可以采用投资风险相同或相近的投资项目的报酬率，来间接衡量数据资产投资应获得的报酬水平。确定数据资产价值调整系数存在两种不同的路径，且应与数据资产重置成本的口径保持内在一致。运用收益法评估数据资产时，应特别注意数据资产质量（特别是时效性）以及基准日后新增数据对收益法应用过程的影响，数据资产质量可能同时也可能分别对收益预测、收益期限、折现率产生影响，当评估对象为评估基准日的存量数据时应避免将基准日后新增数据的贡献考虑在内。运用市场法评估数据资产，应特别关注可比案例的选择以及可比案例的差异调整事项，数据资产的时效性等质量要素，不仅是重要的调整事项，甚至可能成为可比案例的一项筛选条件。

　　声明：转载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考，如有侵权或违反公众平台运营规范，请联系删除。

　　数字菁英网为百万数字中国的设计者和建设者服务，下有 SCOC智城中国(智慧城市行业动态)、数字菁英高研院、数据要素一线、GovCDO首席数据官、公共数据运营生态圈等，服务公共数据、数字政府、智慧城市、智慧社区、数字乡村等新生态。半岛官方体育半岛官方体育